O artigo “Mapping Land Use and Land Cover Classes in São Paulo State, Southeast of Brazil, Using Landsat-8 OLI Multispectral Data and the Derived Spectral Indices and Fraction Images” (Tradução: Mapeamento das classes de uso e cobertura da terra no estado de São Paulo, sudeste do Brasil, usando dados multiespectrais OLI do Landsat-8 e os índices espectrais derivados e suas imagens fracionadas) foi publicado na MDPI/Forests.

O Artigo foi liderado pelo pesquisador Yosio Shimabukuro (DIOTG) e desenvolveu um novo método para mapear classes de Uso e Cobertura da Terra (LULC) no Estado de São Paulo usando dados do Landsat-8 Operational Land Imager (OLI).
O trabalho contou com a participação de integrantes do Laboratório de Sensoriamento Remoto aplicado à agricultura e floresta - LAF (DIOTG/CGCT/INPE) (pesquisadores Egídio Arai, Valdete Duarte e Paulo Martini), do pesquisador Marcos Adami (do Agricultural Remote Sensing Laboratory – AgriRSLab, DIOTG/CGCT/INPE) e de egressos da PGSER (Gabriel Silva, Tânia Foffmann, Andeise Dutra, Guilherme Mataveli e Henrique Cassol.

Segue abaixo o resumo do Artigo:

Este trabalho tem como objetivo desenvolver um novo método para mapear classes de Uso e Cobertura da Terra (LULC) no Estado de São Paulo, Brasil, usando dados do Landsat-8 Operational Land Imager (OLI). A novidade do método proposto consiste em selecionar as imagens com base nas características espectrais e temporais das classes de LULC. Primeiramente, definimos as seis classes a serem mapeadas no ano de 2020 como floresta, plantação florestal, corpos d’água, áreas urbanas, agricultura e pastagem. Em segundo lugar, analisamos visualmente suas características espectrais de variabilidade ao longo do ano. Em seguida, pré-processamos essas imagens para destacar cada classe LULC. Para a classificação foi utilizado o algoritmo Random Forest disponível na plataforma Google Earth Engine (GEE) individualmente para cada classe de LULC. Posteriormente, integramos os mapas classificados para criar o mapa LULC final. Os resultados revelaram que as áreas florestais estão concentradas principalmente na região leste de São Paulo, predominantemente em encostas mais íngremes, representando 19% da área de estudo. Por outro lado, a pastagem e a agricultura dominaram 73% de toda a paisagem paulista, atingindo 39% e 34%, respectivamente. A precisão geral da classificação atingiu 89,10%, enquanto as precisões do produtor e do usuário foram superiores a 84,20% e 76,62%, respectivamente. Para validar os resultados, comparamos nossos achados com a classificação do Projeto MapBiomas, obtendo uma acurácia geral de 85,47%. Portanto, nosso método demonstra seu potencial para minimizar erros de classificação e oferece a vantagem de facilitar a edição pós-classificação para classes mapeadas individuais.

O artigo pode ser acessado em: https://www.mdpi.com/1999-4907/14/8/1669

Figura: Mapa de Uso e Cobertura da Terra do Estado de São Paulo para o ano de 2020. A classificação foi baseada nos dados do sensor Landsat-8 OLI.